眼科人工智能伦理研究现状与解决方案：文献计量学分析揭示发展路径与未来挑战

本刊推荐：为解决眼科人工智能（AI）快速发展中伦理讨论不足的问题，研究人员开展了一项文献计量分析研究，系统回顾了2000-2023年间498篇出版物。研究发现眼科在医学AI伦理领域排名第二，主要关注隐私、公平性和透明度问题，且不同数据模态的伦理重点存在差异。该研究强调了制定针对性AI技术和指南的必要性，为医学AI治理提供了重要方向。

　　

随着人工智能技术在医疗领域的广泛应用，眼科作为医学AI的早期采用者，已经取得了显著进展。眼科复杂的解剖结构和丰富的无创检查方法产生了大量数据，为AI应用提供了坚实基础。从眼底图像、光学相干断层扫描（OCT）到电子健康记录，多模态眼科数据的整合使AI在疾病筛查、诊断和治疗方面展现出巨大潜力。然而，这种快速发展也带来了新的伦理挑战，特别是在数据隐私、算法透明度和决策责任等方面。

尽管AI在眼科的应用日益深入，但伦理讨论却相对有限。现有的研究多局限于初步探索，缺乏系统的定量分析，无法全面揭示眼科AI伦理的发展状况、合作模式及具体伦理问题的演变规律。为了填补这一研究空白，来自中山大学眼科中心的研究团队在《npj Digital Medicine》上发表了最新研究成果，通过文献计量学方法对眼科AI伦理的现状和解决方案进行了全面分析。

研究人员采用系统的文献检索策略，从Web of Science核心合集和Scopus数据库中检索了2000年至2023年6月15日期间发表的英文文献。通过严格的筛选流程，最终纳入498篇出版物进行深入分析，其中包括429篇研究文章和69篇综述。研究运用性能分析、共现分析、合作网络分析等多种文献计量方法，并结合全面的内容分析，从多个维度探讨了眼科AI伦理的发展态势。

学科定位与发展阶段分析

研究发现，眼科在医学AI伦理研究中占据重要地位。在所有医学子学科中，肿瘤学（1143篇）和眼科（1082篇）的AI伦理出版物数量位居前两位，其他学科均少于1000篇。值得注意的是，眼科AI伦理文献的出现时间早于肿瘤学，且在近五年呈现强劲增长态势，2022年出版物数量甚至超过了肿瘤学。

通过指数增长模型（Y=20.06e^0.4039x）分析，研究人员发现2000年至2017年间，眼科AI伦理领域处于起步阶段，每年出版物不超过20篇。2018-2019年间进入快速增长期，年均增长率为27.1%；2020-2022年间呈现爆发式增长，年均增长率达71.2%，近三年发表的文献占总数的66%（328篇）。这一增长趋势表明该领域正处于快速发展阶段，预计未来三十年将继续保持显著增长。

主要贡献国家与机构

研究识别了70个国家在眼科AI伦理研究方面的贡献，其中美国、中国、英国、印度和新加坡是最活跃的国家。合作网络分析显示了这些领先国家之间强大的学术合作，特别是美国、中国、英国和新加坡的主要学术中心在该领域发展中发挥着关键作用。

研究热点与伦理主题

通过共现分析，研究人员将文献中的术语分为三个聚类：红色聚类关注眼科AI技术在临床实践和应用中的伦理问题；绿色聚类主要考察眼科AI在图像处理中的性能，特别关注视网膜和OCT图像特征提取和血管分割的鲁棒性、高准确性和F1分数；蓝色聚类涉及与糖尿病视网膜病变（DR）相关的AI伦理研究。

时间趋势分析显示，2019-2020年间，"尊重"、"受益"和"鲁棒性"主导伦理讨论；2020-2021年间，对"安全性"、"可靠性"、"偏见"和"透明度"的关注上升；2021-2022年间，焦点转向"隐私"、"安全"和"信任"。

对伦理主题的深入分析显示，出现频率最高的五个伦理主题是："信任、可靠性与鲁棒性"（60.0%）、"透明度与可解释性"（44.8%）、"公平性与平等（偏见）"（32.7%）、"不伤害（安全）与受益"（19.3%）和"隐私与数据安全"（14.5%）。

数据模态及其伦理重点

研究分析了最常被提及的10种数据模态。"眼底成像（彩色/无色）"在最常被提及（n=296，59.4%），对应视网膜疾病的突出地位；其次是"OCT"（n=154，30.9%），涵盖前后段成像。其他值得注意的模态包括"文本和数值数据"（n=57，11.4%）、"眼部/面部外观摄影"（n=44，8.8%）和"手术成像"（n=32，6.4%）。

重要的是，不同数据模态关联的伦理重点存在显著差异。眼底成像在信任和鲁棒性原则下优先考虑可解释性；眼部/面部外观摄影关注"可解释性"和"公平性"；手术成像高度重视"不伤害（安全）与受益"。

解决方案与趋势

研究发现，大多数参考文献（89.8%）采用技术干预来解决伦理问题，其中78.3%将伦理解决方案（如增强可解释性的热力图）整合到AI开发中。然而，只有11.5%的研究主要专注于通过技术进步解决伦理困境。此外，10.2%的研究强调了技术和规范性文件在伦理管理中的同等重要性，但没有研究认为规范性文件单独可以解决AI的伦理挑战。

过去五年，"技术涉及伦理"的研究显著增加，同时结合"技术-伦理领域"和"技术与规范性文件领域"的策略也呈上升趋势。

研究结论与意义

这项研究通过文献计量学方法揭示了眼科AI伦理研究的发展现状和未来趋势。研究表明，眼科在医学AI伦理领域处于领先地位，目前正从发展阶段转向实际应用。美国、中国、英国、新加坡和印度的机构与学者之间的合作显著推动了该领域的发展。

当前的研究热点涵盖疾病、技术和伦理考量，主要集中在隐私与安全、信任与可靠性、公平与歧视以及透明度等方面。眼底图像、OCT和文本数据是最常被引用的数据模态，伦理优先级由数据的具体性质和应用决定。解决这些问题的努力主要融入眼科诊断AI的开发中，强调了进一步开发针对伦理问题的技术和加强规范性指导的迫切需求。

研究还揭示了不同医学学科在AI伦理重点上的差异。眼科特别强调隐私保护，因为视网膜成像的生物识别敏感性和该领域早期使用基于图像的AI；肿瘤学更重视公平性和可及性，考虑疾病异质性和治疗差异；皮肤病学关注由于肤色代表性不足导致的算法偏见。这些差异突出了眼科在隐私保护方面的独特伦理取向及其在塑造医疗AI伦理中的重要作用。

该研究的发现为制定针对性的眼科AI伦理框架提供了重要依据，确保特定伦理挑战能够在特定数据模态中得到有效解决，从而降低伦理风险，促进眼科AI技术的可持续发展。从更广泛的角度来看，这项工作为其他学科提供了一种新颖的定量方法和来自眼科经验的有价值见解，以增强他们对学科特定伦理挑战的理解和管理。

研究方法学特点

本研究采用了系统的文献检索策略，涵盖16个医学主题的相关术语，结合"人工智能"和"伦理"相关关键词。数据来源包括Web of Science核心合集和Scopus数据库，确保数据质量。通过严格的纳入排除标准筛选文献，最终纳入498篇出版物进行深入分析。

研究运用多种文献计量方法，包括性能分析评估研究增长和成熟度，合作分析识别关键贡献者和合作网络，共现分析揭示研究热点和趋势，以及全面的内容分析探讨伦理主题的频率分布和演变规律。这些方法的结合使用提供了对眼科AI伦理领域的多维度理解。

局限性与未来方向

研究者也指出了本研究的局限性。分析主要基于2023年6月15日前检索的WOSCC和Scopus数据库数据，可能遗漏其他来源或灰色文献的出版物，以及此后发表的研究。尽管使用了此类研究最常用的数据库并包含近二十年的文献，但眼科AI伦理的快速发展和数据库的持续更新可能影响研究结果的时效性。

此外，综述仅关注英文文章和综述，可能排除了相关的非英文出版物。未来的工作应扩展到包括多样化数据库和多语言研究，以确保对眼科AI伦理的全面和全球包容性视角。定期更新结合纵向研究对于跟踪伦理挑战随时间的演变和维护研究结果的相关性至关重要。跨学科研究将进一步扩大这些见解对其他医学领域的适用性。

通过整合这些方向，未来的研究可以增强眼科AI伦理的相关性和实际应用，最终为医学AI制定更强大和全球适用的伦理标准做出贡献。

总之，这项研究通过定量文献计量学方法提供了眼科AI伦理领域的客观全面分析，揭示了发展趋势、合作模式以及先前定性研究无法解决的具体伦理挑战。同时，该研究提供了可操作的见解和方法学框架，可转移到其他医学学科，指导这些领域当前和未来的伦理分析和干预措施。眼科作为医学AI伦理的领导者，由美国、中国、英国、新加坡和印度的机构和学者推动发展，其经验为其他生物医学研究领域理解和指导特定领域的未来伦理进步提供了宝贵参考。